買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京航空航天大學(xué)申請的專利一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120429987B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510948608.5，技術(shù)領(lǐng)域涉及：G06F30/17；該發(fā)明授權(quán)一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法是由王體春;崔藝?yán)?靳廣虎;劉新華設(shè)計(jì)研發(fā)完成，并于2025-07-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法，包括采集原始軸承振動(dòng)信號數(shù)據(jù)，對數(shù)據(jù)進(jìn)行處理和重建；融合TCN的局部時(shí)序建模能力與多尺度擴(kuò)張注意力構(gòu)建時(shí)間流特征提取模塊，并通過頻譜熵動(dòng)態(tài)調(diào)節(jié)膨脹率，結(jié)合稀疏多頭注意力捕捉多尺度局部特征；融合頻率感知位置編碼與分層稀疏注意力機(jī)制構(gòu)建空間流特征提取模塊；設(shè)計(jì)雙向跨層注意力協(xié)同機(jī)制，將時(shí)間流特征提取模塊和空間流特征提取模塊的特征交互，通過層級特征對齊與動(dòng)態(tài)權(quán)重調(diào)整增強(qiáng)退化表征能力，構(gòu)建雙流特征提取層；將重建后的信號輸入到雙流特征提取層內(nèi)提取特征；將提起的特征輸入至多層感知器中進(jìn)行RUL預(yù)測；實(shí)現(xiàn)局部?全局特征互補(bǔ)；提升預(yù)測穩(wěn)定性。

本發(fā)明授權(quán)一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法在權(quán)利要求書中公布了：1.一種雙流時(shí)間卷積增強(qiáng)交互式軸承壽命預(yù)測方法，其特征在于，包括： 采集原始軸承振動(dòng)信號數(shù)據(jù)，對數(shù)據(jù)進(jìn)行處理和重建； 構(gòu)建雙流特征提取層，將重建后的信號輸入到雙流特征提取層內(nèi)提取特征； 將提起的特征輸入至多層感知器中進(jìn)行RUL預(yù)測； 構(gòu)建雙流特征提取層包括： 融合TCN的局部時(shí)序建模能力與多尺度擴(kuò)張注意力構(gòu)建時(shí)間流特征提取模塊，并通過頻譜熵動(dòng)態(tài)調(diào)節(jié)膨脹率，結(jié)合稀疏多頭注意力捕捉多尺度局部特征； 融合頻率感知位置編碼與分層稀疏注意力機(jī)制構(gòu)建空間流特征提取模塊； 設(shè)計(jì)雙向跨層注意力協(xié)同機(jī)制，將時(shí)間流特征提取模塊和空間流特征提取模塊的特征交互，通過層級特征對齊與動(dòng)態(tài)權(quán)重調(diào)整增強(qiáng)退化表征能力； 采用動(dòng)態(tài)Tanh歸一化層替代傳統(tǒng)LayerNorm，具體為： 將每個(gè)歸一化層替換為DyT組件，其他組件保持不變： ； 其中，為動(dòng)態(tài)調(diào)節(jié)因子，通過梯度下降自動(dòng)優(yōu)化輸入尺度，默認(rèn)初始化為0.5；和為特征校準(zhǔn)參數(shù)是通道級仿射參數(shù)，初始化為全1和全0； 時(shí)間卷積層提取局部時(shí)序特征，動(dòng)態(tài)調(diào)節(jié)卷積輸出： ； 在注意力計(jì)算前后插入DyT，穩(wěn)定注意力權(quán)重分布： ； 通過DyT調(diào)整跨層特征的融合尺度，增強(qiáng)梯度流穩(wěn)定性，輸出流為： ； 雙流特征提取層進(jìn)行優(yōu)化，包括： 設(shè)計(jì)多尺度動(dòng)態(tài)加權(quán)損失約束：時(shí)間流特征提取模塊中通過不同擴(kuò)張因子提取多尺度時(shí)序特征，每個(gè)尺度生成預(yù)測結(jié)果；空間流特征提取模塊輸出全局預(yù)測結(jié)果，并使用均方誤差作為損失函數(shù)，從空間流特征提取模塊的自注意力矩陣中提取各時(shí)間尺度的重要性權(quán)重，實(shí)現(xiàn)注意力權(quán)重動(dòng)態(tài)分配，通過softmax歸一化確保，k為擴(kuò)張因子數(shù)量；時(shí)間流特征提取模塊各尺度誤差由注意力權(quán)重加權(quán)； 引入正則化約束，添加特征對齊損失控制時(shí)間流特征提取模塊和空間流特征提取模塊隱層特征空間一致性；并通過隱層表征L2距離約束增強(qiáng)信息融合；對時(shí)間流特征提取模塊的卷積核權(quán)重施加L1正則化，實(shí)現(xiàn)稀疏性約束；通過Frobenius范數(shù)約束注意力矩陣A接近單位矩陣； 聯(lián)合多尺度動(dòng)態(tài)加權(quán)損失約束和正則化約束，對雙流特征提取層進(jìn)行優(yōu)化。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京航空航天大學(xué)，其通訊地址為：210000 江蘇省南京市秦淮區(qū)御道街29號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。